📚AI 热词速查 · 一看就懂

29 词条

基础概念 5

大模型（LLM） Large Language Model

大规模语言模型，用海量文本训练，能理解和生成文字，是各类AI应用的“大脑”。参数量从百亿到万亿级，是ChatGPT、文心一言、通义千问等产品的核心。

智能体（Agent） AI Agent

能感知环境、自主决策并执行动作的AI系统，是大模型从“对话”走向“做事”的关键。前沿部署工程师（FDE）正是为弥补模型到落地之间的断层而生。

多模态 Multimodal

能同时处理文本、图像、音频、视频等多种模态信息的AI能力。GPT-4o、Gemini、Claude 3.5均已支持多模态输入输出，是大模型下一阶段重点方向。

Token（词元） Token

大模型处理文本的最小单位。中文约1-2字、英文约0.75个词，OpenAI定价按百万Token计费；2026年我国AI日均词元调用量已突破500万亿，Token经济成为新衡量体系。

生成式AI Generative AI

能生成新内容（文字/图像/代码/视频/3D等）的AI，区别于判别式AI。2022年ChatGPT引爆生成式AI浪潮，当前主流大模型均为生成式架构。

模型技术 12

训练 / 推理 Training / Inference

训练是用数据“教”模型参数（成本高、能耗大）；推理是模型学成后回答问题（用户每次调用都产生）。训练与推理比约1:10到1:100，推理市场未来增量更大。

预训练 Pre-training

用海量通用数据（万亿Token）先“打底”，让模型学会语言、常识、推理等通用能力；再针对具体任务微调。是当前所有旗舰大模型的必经阶段。

强化学习（RL） Reinforcement Learning

通过奖励/惩罚让模型在交互中学会最优行为。RLHF（人类反馈强化学习）是ChatGPT对齐人类偏好的关键技术；2026年RLHF+RLVR成为模型后训练标配。

微调 Fine-tuning

用特定领域数据继续训练预训练模型，使其适配专业任务。LoRA、QLoRA等参数高效微调技术，让中小企业也能低成本定制专属模型。

垂类模型 Vertical Model

聚焦某一行业或细分场景、经领域数据深度优化的模型，被视为 AI 落地的“最后一公里”。做法是在通用或行业模型基础上注入行业术语、业务流程与规则，以“专而精”为核心——不追求能力广度，只在单一任务上追求精度与业务适配，普遍支持私有化部署并直接嵌入企业工作流。与“行业大模型”相邻：后者覆盖一个行业内的多类场景，垂类模型则聚焦其中单一细分场景。

蒸馏 Distillation

把大模型（教师）的能力“压缩”到小模型（学生），让小模型在保持90%以上精度的同时更轻量、更快、更便宜。DeepSeek-R1蒸馏版就是典型代表。

RAG 检索增强 Retrieval-Augmented Generation

检索外部知识库内容辅助生成回答，把企业私域文档“喂”给大模型，缓解幻觉问题，是当前企业AI落地最常用架构。

MCP 协议 Model Context Protocol

Anthropic 2024年开源的开放协议，让大模型标准化连接外部工具/数据源。类比AI领域的“USB-C接口”，已被OpenAI、Google、智谱、阿里等主流厂商采纳。

开源权重 Open Weights

模型权重可下载部署（部分受商业许可限制），区别于闭源API。Llama、Qwen、DeepSeek、Mistral是当前主流开源权重模型，推动了全球AI普惠。

开源基座模型 Open-source Foundation Model

大模型能力链条（基座 → 通用 → 行业 → 垂类）最底层的通用模型，经海量无标注数据大规模预训练而成，权重公开发布、可自由下载与二次开发。Llama、Qwen、DeepSeek、Mistral 为主流代表，闭源对标为 GPT、Claude、Gemini；参数量大、训练成本极高，研发集中于少数顶尖机构，是下游微调、蒸馏与垂类模型开发的共同起点。

Harness（智能体驾驭框架） Agent Harness

在大模型领域，指一套用于驾驭AI智能体的外部工程系统——涵盖上下文管理、工具调用、记忆存储、权限控制、循环决策与结果校验等工程能力，是模型智能转化为稳定生产力的"骨架"。业界核心共识公式为 Agent = Model + Harness：模型负责"聪明"，Harness 决定智能体能稳定完成多长、多复杂的任务；Claude Code、Manus 等明星智能体的竞争焦点正从模型本身转向 Harness 工程。

世界模型 World Model

能理解并预测物理世界运行规律的AI模型，是具身智能和自动驾驶的基础。Yann LeCun强力倡导，被视为通往AGI的关键路径之一。

算力基建 6

算力（FLOPS） Compute

每秒浮点运算次数，衡量AI芯片性能的核心指标。FP16精度下，H100约2000 TFLOPS；2026年我国智算总规模达245万PFLOPS（FP16），日均词元调用突破500万亿。

GPU Graphics Processing Unit

图形处理器，AI训练的主力芯片。NVIDIA H100/H200/Blackwell、AMD MI300、寒武纪、壁仞、燧原等是当前主流选择；国产替代是2026年最热赛道。

智算中心 AI Data Center

专门为AI训练/推理建设的数据中心，配备大量GPU和高带宽网络。2026年我国八大算力枢纽与三个算电协同区占比超85%，江苏已落成全国首个省级AI4S公共算力中心（700P）。

超节点 Super Pod / Scale-up

把数万张GPU高速互联成一个“巨型计算机”的技术。NVIDIA NVL72、华为CloudMatrix 384、中科曙光scaleX40等是当前代表，把单机柜算力密度推到新高度。

云巨头 Hyperscaler

AWS/Azure/GCP/阿里云/华为云等提供AI算力服务的超大规模云厂商。当前全球新增AI算力约80%流向云巨头，AWS、Anthropic、Lambda今年签署350亿美元云协议。

推理云（Neocloud） Neocloud

专注AI推理的新一代云服务商。CoreWeave、Lambda、Crusoe等Neocloud以GPU池化、推理优化为卖点，2026年迎来上市潮，重塑云计算格局。

产业应用 6

具身智能 Embodied AI

AI赋予物理身体（人形机器人/自动驾驶/无人机），让智能体与真实世界交互。2026年是具身智能量产元年：优必选+1445%、宇树上市、可灵180亿美元估值。

AI4S AI for Science

AI for Science，用AI加速科学研究（生物/材料/天文/化学/药物研发等）。中国“AI4S公共算力中心”在南京揭牌，聚焦生物医药、新材料、智能制造垂域模型攻关。

AGI 通用人工智能 AGI

具备人类水平通用智能的AI，能在各种任务上达到或超越人类专家。当前主流大模型尚属“弱AGI”阶段，OpenAI、Anthropic、谷歌均把AGI作为长期目标。

词元 / Token经济 Token Economy

以Token调用量为核心衡量指标的AI商业模式和产业生态。2026年Token首次被写进工信部采购清单（首购首用、风险补偿），广东推出3000万元“Token贷”。

FDE（前沿部署工程师） Frontier Deployment Engineer

把大模型能力真正落地到企业业务场景的复合型工程师，负责模型选型、智能体编排、效果评测与持续优化。2026年9月工信部启动专项行动鼓励企业搭建FDE团队，上海“十五五”产业规划亦明确培养FDE队伍——“模型×业务”最后一公里人才成为AI价值兑现的关键。

OPC（一人公司） One Person Company

以个人为核心、依托AI工具与共享服务完成产品开发与商业闭环的新型创业范式。创业者用智能体承担设计、开发、运营等环节，以极低团队规模开展内容创作、跨境电商、软件开发等业务。江苏多地正建设OPC社区，并通过算力券、模型券、云网券等政策降低创业成本，宿迁提出打造“OPC创业之城”。